Исследование Wawelberg (часть 1)

В этом документе представлены следующие графики:

1. График распределения количества отзывов по месяцам;

2. График распредления отзывов в % (Сколько отзывов было написано на каждый отель);

3. Диаграмма распределения оценок отзывов по месяцам;

4. Диаграмма распределения отзывов по сентименту (негативные/позитивные) для каждого отеля;

5. Сводная таблица с информацией о длине отзывов для каждого отеля (мин-макс, среднее, медиана);

6. График с частыми существительными, прилагательными и глаголами для каждого отеля (топ-10);

7. График с наиболее характерными существительными, прилагательными и глаголами, с которыми ассоциируется отель (топ-10).

Общая статистика по отзывам

Сводная таблица по отзывам

В данной таблице представлена информация о количестве отзывов, собранных с Booking и Яндекс Путешествия. К сожалению, отель Кемпински (Мойка 22) не был представлен на Booking.com, поэтому данные по нему были собраны только с Яндекс Путешествия.

data_all_summary = data_all %>% group_by(Hotel) %>% dplyr::summarise(number_of_reviews = n(), stars_mean = round(mean(stars)), stars_median = median(stars), stars_min = min(stars), stars_max = max(stars), min_date = min(date), max_date = max(date)) 

data_all_summary = cbind(data_all_summary, data_all %>% filter(!is.na(review_text)) %>% group_by(Hotel) %>% summarise(NAs = n(), length_mean = round(mean(length),0)) %>% select(-Hotel)) %>% select(Hotel, number_of_reviews, NAs, stars_mean, stars_median, stars_min, stars_max, min_date, max_date, length_mean)

data_all_summary %>%
  datatable(colnames = c('Отель' = 2, 'Кол-во отзывов' = 3, 'Кол-во отзывов с текстом' = 4, 'Ср. оценка отзывов' = 5, 'Медиана оценки отзывов' = 6, 'Мин. оценка' = 7, 'Макс. оценка' = 8, 'Дата первого отзыва' = 9, 'Дата последнего отзыва' = 10, 'Cр. длина отзывов' = 11), options = list(pageLength=7))

Таблица с наиболее длинными отзывами по каждому отелю

data_all %>% group_by(Hotel) %>% slice_max(order_by = length, n = 5) %>% select(Hotel, review_text, date, stars) %>%
  datatable(colnames = c('Отель' = 2, 'Отзыв' = 3, 'Дата' = 4, 'Кол-во звезд' = 4), filter = 'top', options = list(pageLength=10, scrollX='400px', scrollY='350px'))

Сезонность отзывов

C помощью графика можно изучить распределение числа отзывов в конкретные месяца и года среди разных отелей.

Диаграмма отзывов в процентах

Тут бы лучше мотреть за конкретный период, так как отзывы на отель Wawelberg стали появлятся позже всех.

date_month$year = year(date_month$date)

shared_date <- SharedData$new(date_month %>% select(-date))

colors <- c('rgb(211,94,96)', 'rgb(128,133,133)', 'rgb(144,103,167)', 'rgb(171,104,87)', 'rgb(114,147,203)', 'blue')

bscols(widths = c(2, 10),
       list(
       filter_checkbox("year", "Год", shared_date, ~year),
       filter_checkbox("Hotel", "Отель", shared_date, ~Hotel)),
  
  plot_ly(shared_date, labels = ~Hotel, values = ~count, colors = "Dark2", type = 'pie',
        textposition = 'inside',
        textinfo = 'label+percent', showlegend = F,
        marker = list(line = list(color = '#FFFFFF'))) %>%
    layout(
         xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
         yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))
)

Год

2018

2019

2020

2021

2022

Отель

Astoria

Four seasons

Grand europe

Lotte

Moika 22

SO

Wawelberg

Диаграмма распределения оценок отзывов по месяцам

Сводная таблица с информацией о длине отзывов для каждого отеля (мин-макс, среднее, медиана)

Characteristic	Astoria, N = 1,145	Four seasons, N = 826	Grand europe, N = 1,527	Lotte, N = 978	Moika 22, N = 597	SO, N = 580	Wawelberg, N = 428
Длина отзыва
Среднее	26	26	28	23	24	34	36
Медиана	13	12	16	13	11	17	20
Мин-Макс	1- 637	1- 451	1- 410	1- 336	1- 467	1- 635	1- 424

Процентное соотношение позитивных и негативных отзывов по отелям

Также было предложено посмотреть на распределение негативных/позитивных отзывов по месяцам. Для определения эмоциональной окраски, использовался словарь “Карта слов”. Для каждого отзыва была вычислена эмоциональная оценка, где позитивным считался отзыв со значением более или равно 0.45, нейтральный отзыв от 0.45 до -0.1 и негативным считались все отзывы. набравшие оценку менее -0.1.

Частовстречаемые слова для каждого отеля (топ-10)

Наиболее характерные слова для каждого отеля

Используемый метод: tf-id.

Идея tf-idf состоит в том, чтобы найти важные слова для содержания каждого документа, уменьшив вес для часто используемых слов и увеличив вес для слов, которые не очень часто используются в коллекции или корпусе документов